Name: a web tool for generating high quality machine-readable biological pathways
Uploaded: 2017-02-08T12:30:00.000+00:00
Duration: 8 min 1 s
Description: Watch this Scientific Journal Video about A Web Tool for Generating High Quality Machine-readable Biological Pathways at JoVE.com

Los autores desean agradecer a los Institutos Canadienses de Investigación en Salud (CIHR) y Genoma Alberta, una división de Genoma Canadá, para el apoyo financiero.

<ol>
	<li>Michal, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=On+representation+of+metabolic+pathways.">On representation of metabolic pathways.</a> Biosystems. 47 (1-2), 1-7 (1998).</li><li>Kanehisa, M., Sato, Y., Kawashima, M., Furumichi, M., Tanabe, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=KEGG+as+a+reference+resource+for+gene+and+protein+annotation.">KEGG as a reference resource for gene and protein annotation.</a> Nucleic Acids Res. 44 (D1), D457-D462 (2016).</li><li>Karp, P., Riley, M., Paley, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+MetaCyc+Database.">The MetaCyc Database.</a> Nucleic Acids Res. 30 (1), 59-61 (2002).</li><li>Kelder, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=WikiPathways:+building+research+communities+on+biological+pathways.">WikiPathways: building research communities on biological pathways.</a> Nucleic Acids Res. 40 (Database issue), D1301-D1307 (2011).</li><li>Croft, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+Reactome+pathway+knowledgebase).">The Reactome pathway knowledgebase).</a> Nucleic Acids Res. 42 (Database issue), D472-D477 (2014).</li><li>Karp, P. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Pathway+Tools+version+13.0:+integrated+software+for+pathway/genome+informatics+and+systems+biology.">Pathway Tools version 13.0: integrated software for pathway/genome informatics and systems biology.</a> Brief Bioinform. 11 (1), 40-79 (2010).</li><li>Van Iersel, M. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Presenting+and+exploring+biological+pathways+with+PathVisio.">Presenting and exploring biological pathways with PathVisio.</a> BMC Bioinformatics. 9, 399 (2008).</li><li>Demir, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+BioPAX+community+standard+for+pathway+data+sharing.">The BioPAX community standard for pathway data sharing.</a> Nat. Biotechnol. 28 (9), 935-942 (2010).</li><li>Shannon, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cytoscape:+A+Software+Environment+for+Integrated+Models+of+Biomolecular+Interaction+Networks.">Cytoscape: A Software Environment for Integrated Models of Biomolecular Interaction Networks.</a> Genome Res. 13 (11), 2498-2504 (2003).</li><li>Salomonis, N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=GenMAPP+2:+new+features+and+resources+for+pathway+analysis.">GenMAPP 2: new features and resources for pathway analysis.</a> BMC Bioinformatics. 8, 217 (2007).</li><li>Elliott, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=PathCase:+pathways+database+system.">PathCase: pathways database system.</a> Bioinformatics. 24 (21), 2526-2533 (2008).</li><li>Hu, Z., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=VisANT+3.0:+new+modules+for+pathway+visualization,+editing,+prediction+and+construction.">VisANT 3.0: new modules for pathway visualization, editing, prediction and construction.</a> Nucleic Acids Res. 35 (Web Server), W625-W632 (2007).</li><li>Jewison, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=SMPDB+2.0:+Big+Improvements+to+the+Small+Molecule+Pathway+Database.">SMPDB 2.0: Big Improvements to the Small Molecule Pathway Database.</a> Nucleic Acids Res. 42 (D1), D478-D484 (2013).</li><li>Pon, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Pathways+with+PathWhiz.">Pathways with PathWhiz.</a> Nucleic Acids Res. 43 (W1), W552-W559 (2015).</li><li>Sajed, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=ECMDB+2.0:+A+richer+resource+for+understanding+the+biochemistry+of+E.+coli.">ECMDB 2.0: A richer resource for understanding the biochemistry of E. coli.</a> Nucleic Acids Res. 44 (D1), D495-D501 (2015).</li><li>Wishart, D., Mandal, R., Stanislaus, A., Ramirez-Gaona, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cancer+Metabolomics+and+the+Human+Metabolome+Database.">Cancer Metabolomics and the Human Metabolome Database.</a> Metabolites. 6 (1), 10 (2016).</li><li>Altschul, S. F., Gish, W., Miller, W., Myers, E. W., Lipman, D. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Basic+local+alignment+search+tool.">Basic local alignment search tool.</a> J. Mol. Biol. 215 (3), 403-410 (1990).</li><li>Le Novere, N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+Systems+Biology+Graphical+Notation.">The Systems Biology Graphical Notation.</a> Nat. Biotechnol. 27 (8), 735-741 (2009).</li><li>Hucka, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+systems+biology+markup+language+(SBML):+a+medium+for+representation+and+exchange+of+biochemical+network+models.">The systems biology markup language (SBML): a medium for representation and exchange of biochemical network models.</a> Bioinformatics. 19 (4), 524-531 (2003).</li></ol>

Los autores no tienen nada que revelar.

El protocolo descrito aquí para la creación de una ruta metabólica sencillo (el ciclo TCA) se puede adaptar para crear una amplia variedad de vías, biológicamente complejos legible por máquina para cualquier especie. Por otra parte, este protocolo también describe cómo se puede replicar o propagar las vías existentes creados por otros usuarios. La construcción de una vía de uso de esta herramienta requiere adiciones repetidas paso a paso de las reacciones, interacciones, procesos de transporte y sub-vías, cada una de las cuales están conectadas por elementos superpuestos. Poniendo todo esto en conjunto permite crear diagramas de colores, camino visualmente agradable que proporcionan información detallada biológica considerable y el contexto biológico útil. Los pasos descritos en este protocolo son relativamente simples, y el tiempo que se necesita para construir un diagrama de ruta depende del tamaño y la complejidad de la vía. Con un poco de práctica, la mayoría de las personas pueden hacer un diagrama de vía de alta calidad que consiste en unos 15-20 reacciones o procesos de unad varios componentes celulares en unos 15 minutos. Un nuevo usuario puede tomar hasta 30-40 minutos para generar una vía de similar tamaño y complejidad. El tiempo necesario para generar una vía es aproximadamente lineal con el número de reacciones / procesos que necesitan ser prestado. La creación de una vía de alta calidad a través de esta herramienta basada en la web depende de la calidad y el detalle del material de origen (vías de libros, bases de datos en línea, los datos experimentales, bocetos dibujados a mano) y la meticulosidad de la vía &quot;artista&quot;. Las personas que deseen generar diagramas de rutas de mayor calidad deben prestar especial atención a las secciones 1.11, 1.15 y 1.20 del protocolo, ya que estas secciones se describe la creación y edición de elementos de reacción (reactivos / productos, enzimas, bordes, imágenes, cajas de zoom, etiquetas, y las membranas). Los mejores diagramas de rutas serán inteligentemente amalgamar información de tantas representaciones existentes de la vía posible, incluyendo aquellos que se encuentran en books, carteles, documentos y bases de datos en línea. Otra clave para la generación de vías de alta calidad está comprobando cuidadosamente la exactitud de las reacciones antes de crear una reacción (en la sección 1.11 del protocolo). Tomando el tiempo y esfuerzo para asegurar que los reactivos, productos, y las enzimas que participan (muchos de los cuales ya existe en la base de datos grande de PathWhiz) son correctos para cada especie es muy importante. También es importante a tener en cuenta la localización celular de las reacciones y para incluir componentes celulares o subcelulares clave con el fin de proporcionar el contexto biológico correcto. Esto se puede hacer mediante la comprobación y corroborar la reacción a través de bases de datos en línea, como UniProt. Tener toda la información necesaria a la mano, junto con un boceto, dibujado a mano de la vía que se creará gran medida a reducir los errores y el tiempo total de dibujo o de la prestación. Como era de esperar, las vías más grandes y más complejas requerirán más tiempo para hacer, particcialmente si los elementos y procesos deseados no son ya la base de datos de PathWhiz. Cuando se trabaja con las vías más grandes, por lo general es aconsejable cambiar del modo de guardado automático al manual de modo de ahorro, a fin de evitar un largo retraso entre las medidas. Cuando la replicación de una vía, la cantidad de tiempo que el usuario puede esperar a que la vía que se genere depende del número de elementos de la vía. La mayoría de las vías se pueden replicar en aproximadamente 1 a 2 min. Cuando la propagación de una vía, la representación exitosa de la vía recién propagado depende de la similitud de las dos especies son, como utiliza PathWhiz BLAST 17 secuencia de búsquedas para encontrar enzimas homólogas entre especies. vías de mayor tamaño será más lento para propagar porque tendrá que ser ejecutado en un mayor número de enzimas BLAST. El intento de propagar las vías entre las especies significativamente diferentes (decir entre la levadura y los seres humanos) resultará en vías de ser representados con una serie de proteínas desconocidas. Estos &quot;distante&quot; pvías ropagated por lo general requieren la edición manual adicional. Debido a la naturaleza altamente visual de diagramas de caminos y el detalle que puede ser llevado a una vía, siempre es una buena idea trabajar en un equipo con un razonablemente grande pantalla (&gt; 20 pulgadas o&gt; 50 cm) y una buena conexión a Internet (&gt; 5 mbps). Si se encuentran problemas con la interpretación o la actualización de pantallas, el usuario puede tener que hacer una pequeña cantidad de solución de problemas. Si un camino grande, compleja toma demasiado tiempo para actualizar, el usuario puede tener que volver a cargar la página. Si una ruta no se propaga como se esperaba, el usuario puede tener que hacer un poco de edición manual para asegurarse de que todos los elementos se muestran correctamente. También, como un ejemplo más específico, si no se muestran los elementos de una reacción, el usuario puede tener que asegurarse de que todos los elementos o las enzimas se seleccionan adecuadamente y los bordes no están ocultos. El enlace de &quot;ayuda&quot; en el encabezado principal puede ser útil si se encuentra un problema. Un tutorial esdisponible bajo la pestaña &quot;Tutorial&quot; y un manual de usuario está disponible en la pestaña de &quot;guías del usuario&quot;. Tanto explicar muchas de las características de la herramienta en detalle. La Guía del usuario se puede utilizar para solucionar problemas o limitaciones potenciales para explicar una característica particular, como por ejemplo cuando un usuario bloquea una vía y posteriormente desea editarlo. Como se destaca a través de este protocolo ya través de los ejemplos proporcionados en las figuras adjuntas, esta herramienta ofrece una serie de características únicas que no se encuentran en ningún (o la mayoría) de otras herramientas de dibujo en esas vías (ver Tabla 1). En primer lugar, es totalmente basado en la web y completamente independiente de la plataforma. En segundo lugar, es compatible con la prestación y la generación fácil de diagramas multicolores, biológicamente complejos, agradable a la vista, completamente enlazado vía que también se pueden convertir en formatos legibles por máquina (BioPAX, SBGN-ML 18, 19 SBML, PWML 14). En tercer lugar, los diagramas de la vía génerosTed por esta herramienta se puede navegar, buscar, seleccionar y fácilmente explorado a través de una interfaz fácil de usar de base de datos en línea y visualización. En cuarto lugar, la herramienta web está diseñada para soportar las contribuciones de la vía de la comunidad, lo que permite &quot;multitud de abastecimiento vía&quot; que fomenta el intercambio y la generación de nuevas vías y nuevos elementos de la vía. Pathways generados por esta herramienta basada en web se pueden utilizar para una variedad de aplicaciones. Rica en detalles y vías completamente enlazado se pueden integrar fácilmente en bases de datos de los organismos específicos para la proteómica, la metabolómica o aplicaciones de la biología de sistemas. las vías de acceso al Internet están especialmente útil para los propósitos educativos y de formación, ya que los datos disponibles a través de imágenes basadas en la Web son a menudo mucho mayor que la que se pueden visualizar a través de una imagen estática o por medio de una sola página de libro de texto o revista. Esta herramienta basada en web también es compatible con la generación de representaciones de la vía que son más adecuadas para la impresión y la publicación.Como resultado, muchas imágenes generadas por esta herramienta basada en la web están apareciendo en los periódicos, carteles y presentaciones de diapositivas. Exportación de vías de acceso a los formatos de archivo de intercambio de datos basados ​​en texto (como BioPAX y SBML) permite vías generados usando este servidor Web para ser utilizados directamente en el análisis computacional para la biología de sistemas o aplicaciones de modelado metabólicos. La propagación de las vías entre las especies permite hacer inferencias sobre los procesos biológicos, especialmente entre aquellas especies que han sido muy recientemente secuenciado. Si bien no todas las vías existentes en la actualidad existen PathWhiz, su base de datos vía pública sigue creciendo, lo que lleva a la aparición de nuevas colecciones, la vía de multitud de fuentes. Estas colecciones no sólo serán fácilmente extensible a nuevas especies, que se espera conduzca a una comprensión más profunda de su biología y bioquímica única.

diagramas de rutas biológicas son como planos de ciencias de la vida. Son quizás las rutas más concisos e informativos para representar los procesos biológicos y las conexiones contextuales entre genes, proteínas y metabolitos. Esto es porque las imágenes se procesan mucho más eficiente y a menudo comprendidas mucho más fácilmente por los seres humanos que texto 1. La calidad, el detalle y el contenido de los diagramas de rutas pueden variar considerablemente. Estas diferencias a menudo dependen de la finalidad de la vía y de las habilidades del artista vía. Vías creadas con fines educativos, tales como cartas de la pared o los libros de texto son a menudo creadas por artistas profesionales. Como resultado, estos diagramas de rutas son mucho más agradable a la vista y ofrecen detalle considerablemente más biológica con representaciones completas de estructuras de metabolitos, componentes subcelulares, estructuras celulares, tejidos y órganos. Estas representaciones &quot;libro de texto&quot; a menudo incluyen notas detalladas ycomentarios. Por otro lado, diagramas de rutas diseñadas para aplicaciones de Internet a menudo tienen que sacrificar el arte y la riqueza visual a favor de lectura mecánica diagramas de cableado &quot;&quot; simplificados. Estos diagramas de mallas son más fácilmente la imagen mapeada y hipervínculo. Vía diagramas simplificados son la base de este tipo de bases de datos vía línea populares como KEGG 2, 3 MetaCyc, Wikipathways 4, 5 y Reactome. La aparición de bases de datos vía compatible con la computadora también ha dado lugar a la aparición de herramientas de dibujo vía compatible con la computadora. En otras palabras, uno no tiene que ser un artista profesional o un programador profesional para generar diagramas de caminos utilizables. Por ejemplo, las herramientas de Pathway BioCyc 6 y software PathVisio de Wikipathway 7 permiten a los usuarios generar libremente y vías legibles por máquina compartir en un 8 BioPAXnd / o en formato HTML. Además, hay una serie de otros paquetes de software gratuito independientes, así como paquetes comerciales que apoyan la generación de diversas vías legible por máquina, de malla de alambre, como Cytoscape 9, 10 GenMAPP, PathCase 11 y 12 Vasant. La simplificación de los diagramas de rutas de Internet creció en gran parte de las limitaciones históricas que se encuentran en muchos navegadores web y herramientas de representación basados ​​en la web. Sin embargo, los importantes avances en las tecnologías web se han hecho en los últimos años. Esto sugiere que podría ser posible generar diagramas interactivos, compatible con Internet vía que son tan colorido, tan estéticamente agradables y tan biológicamente completas como las que se encuentran en los libros de texto. Este trabajo condujo al desarrollo de PathWhiz. PathWhiz se llevó a cabo utilizando un Ruby on Rails (http://rubyonrails.org, versión 4.2.0) framewor Webk incorporación de una base de datos relacional MySQL (https://www.mysql.com, versión 5.1.50) para gestionar todos los datos de la ruta, incluyendo las relaciones entre entidades, referencias externas, descripciones, especificaciones de visualización y estructuras químicas. El cliente Web de cliente es controlado por Ruby on Rails combinados con Backbone.js (http://backbonejs.org, versión 1.0.0) como el framework de desarrollo web front-end para el editor. Originalmente desarrollado para la curación de la humana- sólo pequeña molécula de la ruta de base de datos (SMPDB) 13, 14 PathWhiz ya se ha ampliado para apoyar la generación de vía para muchos otros organismos y funcionar una imagen vía general y base de datos de conocimiento. En particular, esta herramienta web permite la creación de la gama completa de las vías bioquímicas / biológicas incluyendo metabólico, la interacción de proteínas, la señalización molecular, fisiológico, y las vías de fármaco / enfermedades. Esta herramienta de dibujo vía difiere de la mayoría de otrosherramientas de generación de vía en tres formas principales: 1) es un servidor web en lugar de un paquete de software independiente, instalable; 2) soporta la generación fácil y visualización interactiva de compuestos químicos, proteínas, ácidos nucleicos, las membranas celulares, estructuras subcelulares, tejidos y órganos; y 3) que permite a los usuarios pedir prestado, construir o mejorar en el trabajo de otros usuarios, lo que permite &quot;multitud de fuentes&quot; generación vía. Como un servidor web, que tiene varias ventajas sobre las herramientas de software descargables, específicas de la plataforma. En particular, es compatible con cualquier plataforma, sistema operativo y el navegador web moderno. Además, no requiere que el usuario se registre con el fin de empezar a crear una vía (aunque los usuarios pueden crear libremente una &quot;cuenta privada&quot; con el fin de realizar un seguimiento y controlar la accesibilidad de las vías que crean). Tal vez la característica más atractiva de esta herramienta es la cantidad de detalles biológico y bioquímico que se puede añadir fácilmente encualquier vía a través de una paleta de imágenes pre-renderizadas y una extensa base de datos de proteínas y datos bioquímicos. Esto permite que tanto los &quot;no-artistas&quot; y &quot;no-programadores&quot; para crear fácilmente las vías de colores, estéticamente agradables y ricamente detallados que son compatibles en la web y totalmente legibles por máquina. Una comparación más detallada entre PathWhiz y otras herramientas de dibujo vía se proporciona en la Tabla 1. Una serie de bases de datos de ciencias de la vida populares ya han utilizado esta herramienta de dibujo vía para crear base de datos específica, en línea, vía diagramas interactivos. Por ejemplo, la base de datos de Escherichia coli Metaboloma (ECMDB) 15 ha actualizado recientemente su biblioteca de vía con más de 1.650 vías dibujadas usando la herramienta basada en la web. Cada vía en el ECMDB ahora se muestra como un mapa rico en colorido, completamente enlazado imagen con representaciones detalladas de metabolitos y la estructura de proteínas, así como un sistema simplificado blanco y negro KEGG-lDiagrama de alambre de Ike. Esta actualización vía a gran escala condujo al descubrimiento de muchos metabolitos intermedios que no se había incluido previamente en otras bases de datos metabólicos de Escherichia coli. Otras bases de datos, tales como la base de datos Metaboloma Humano (HMDB) 15, no sólo se basan en vías PathWhiz para representar y describir rutas metabólicas y de señalización, sino también para representar los cambios metabólicos implicados en enfermedades como el cáncer. HMDB actualmente incluye 101 rutas metabólicas, 376 vías de acción de drogas, 233 vías asociadas a la enfermedad y 16 vías de señalización, todos generados a través de esta herramienta web. El siguiente protocolo describe en detalle cómo PathWhiz se puede utilizar para crear fácilmente, replicar, y propagar las vías bioquímicas para una variedad de propósitos y aplicaciones.

<table><tbody><tr><td>Computer with colour screen</td><td>N/A</td><td>N/A</td><td>&amp;nbsp;&gt;20 inches or &gt;50 cm</td></tr><tr><td>Internet connection&amp;nbsp;</td><td>N/A</td><td>N/A</td><td>&gt;5 mbps</td></tr><tr><td>Modern web browser&amp;nbsp;</td><td>N/A</td><td>N/A</td><td>Google Chrome (v. 31 and above), Internet Explorer (v. 9 and above), Safari (v. 7 and above), Opera (v. 15 and above) and Firefox (v. 23 and above)</td></tr></tbody></table>

a web tool for generating high quality machine-readable biological pathways

PathWhiz es un servidor web integrado para facilitar la creación de diagramas de colores, interactivos, agradable a la vista de la vía que son ricos en información biológica. Las vías generados por esta aplicación en línea son legibles por máquina y totalmente compatible con prácticamente todos los navegadores web y sistemas operativos de ordenador. Utiliza una interfaz de dibujo vía habilitado para la web especialmente desarrollado que permite la selección y colocación de diferentes combinaciones de entidades biológicas o bioquímicas pre-dibujadas para representar reacciones, interacciones, procesos de transporte y eventos de unión. Esta paleta de entidades consiste de compuestos químicos, proteínas, ácidos nucleicos, las membranas celulares, estructuras subcelulares, tejidos y órganos. Todos los elementos visuales en que se puede ajustar de forma interactiva y personalizada. Además, ya que esta herramienta es un servidor web, todas las vías y elementos de la vía son accesibles al público. Este tipo de vía &quot;multitud de abastecimiento&quot; significa que PathWhizya contiene una amplia y rápidamente creciente colección de vías previamente dibujadas y elementos de la vía. Aquí se describe un protocolo para la creación rápida y fácil de nuevas vías y la alteración de las vías existentes. Para facilitar aún más la edición y creación de vía, la herramienta contiene las funciones de replicación y propagación. La función de replicación permite vías existentes para ser utilizados como plantillas para crear o editar nuevas vías. La función de propagación permite a uno tener una vía existente y automáticamente se propagan a través de diferentes especies. Vías creadas con esta herramienta pueden ser &quot;re-labrado&quot; en diferentes formatos (KEGG similar o libro de texto similares), coloreada con diferentes orígenes, exportados a BioPAX, SBGN-ML, SBML, o formatos de intercambio de datos PWML y descargado como PNG o SVG imágenes. Las vías pueden ser fácilmente incorporados en las bases de datos en línea, integrado en presentaciones, carteles o publicaciones, o se utilizan exclusivamente para la visualización en línea y la exploración. esta protocol se ha aplicado con éxito para generar más de 2.000 diagramas de rutas, que ahora se encuentran en muchas bases de datos en línea, incluyendo HMDB, DrugBank, SMPDB, y ECMDB.

Watch this Scientific Journal Video about A Web Tool for Generating High Quality Machine-readable Biological Pathways at JoVE.com

A Web Tool for Generating High Quality Machine-readable Biological Pathways

PathWhiz es una herramienta de dibujo vía online para la generación de rutas bioquímicas y biológicas. Utiliza bases de datos accesibles al público y fácilmente ampliable paletas que consisten en componentes pre-dibujados de la vía. Este protocolo se describe cómo crear fácilmente nuevas vías, reproducir y editar las vías existentes, y propagar las vías previamente dibujadas a diferentes organismos.

Una herramienta web para los procesos biológicos Generación de alta calidad legibles por máquina

PathWhiz is a web server built to facilitate the creation of colorful, interactive, visually pleasing pathway diagrams that are rich in biological ...

a-web-tool-for-generating-high-quality-machine-readable-biological

Research

JoVE Journal

Biology

17.4K vistas.  University of Alberta.  PathWhiz es una herramienta de dibujo vía online para la generación de rutas bioquímicas y biológicas. Utiliza bases de datos accesibles al público y fácilmente ampliable paletas que consisten en componentes pre-dibujados de la vía. Este protocolo se describe cómo crear fácilmente nuevas vías, reproducir y editar las vías existentes, y propagar las vías previamente dibujadas a diferentes organismos. 

Video: A Web Tool for Generating High Quality Machine-readable Biological Pathways

Leveraging CyVerse Resources for De Novo Comparative Transcriptomics of Underserved (Non-model) Organisms

This workflow allows novice researchers to leverage advanced computational resources such as cloud computing to carry out pairwise comparative transcriptomics. It also serves as a primer for biologists to develop data scientist computational skills, e.g. executing bash commands, visualization and management of large data sets. All command line code and further explanations of each command or step can be found on the wiki (<a href="https://wiki.cyverse.org/wiki/x/dgGtAQ">https://wiki.cyverse.org/wiki/x/dgGtAQ</a>). The Discovery Environment and Atmosphere platforms are connected together through the CyVerse Data Store. As such, once the initial raw sequencing data has been uploaded there is no more need to transfer large data files over an Internet connection, minimizing the amount of time needed to conduct analyses. This protocol is designed to analyze only two experimental treatments or conditions. Differential gene expression analysis is conducted through pairwise comparisons, and will not be suitable to test multiple factors. This workflow is also designed to be manual rather than automated. Each step must be executed and investigated by the user, yielding a better understanding of data and analytical outputs, and therefore better results for the user. Once complete, this protocol will yield de novo assembled transcriptome(s) for underserved (non-model) organisms without the need to map to previously assembled reference genomes (which are usually not available in underserved organism). These de novo transcriptomes are further used in pairwise differential gene expression analysis to investigate genes differing between two experimental conditions. Differentially expressed genes are then functionally annotated to understand the genetic response organisms have to experimental conditions. In total, the data derived from this protocol is used to test hypotheses about biological responses of underserved organisms.

Leveraging CyVerse Resources for De Novo Comparative Transcriptomics of Underserved Non-model Organisms

This protocol outlines a comparative de novo transcriptome assembly and annotation workflow for novice bioinformaticians. The workflow is available for free entirely through CyVerse and connected by the Data Store. Command line and graphical user interfaces are used, but all code needed is available to copy and paste.

Aprovechando los recursos de CyVerse para<em&gt; De Novo</em&gt; Transcriptómica Comparativa de los Organismos de Discapacidad (no Modelos)

This workflow allows novice researchers to leverage advanced computational resources such as cloud computing to carry out pairwise comparative ...

Investigación

Genética

Sample Preparation and Analysis of RNASeq-based Gene Expression Data from Zebrafish

The analysis of global gene expression changes is a valuable tool for identifying novel pathways underlying observed phenotypes. The zebrafish is an excellent model for rapid assessment of whole transcriptome from whole animal or individual cell populations due to the ease of isolation of RNA from large numbers of animals. Here a protocol for global gene expression analysis in zebrafish embryos using RNA sequencing (RNASeq) is presented. We describe preparation of RNA from whole embryos or from cell populations obtained using cell sorting in transgenic animals. We also describe an approach for analysis of RNASeq data to identify enriched pathways and Gene Ontology (GO) terms in global gene expression data sets. Finally, we provide a protocol for validation of gene expression changes using quantitative reverse transcriptase PCR (qRT-PCR). These protocols can be used for comparative analysis of control and experimental sets of zebrafish to identify novel gene expression changes, and provide molecular insight into phenotypes of interest.

This protocol presents an approach for whole transcriptome analysis from zebrafish embryos, larvae, or sorted cells. We include isolation of RNA, pathway analysis of RNASeq data, and qRT-PCR-based validation of gene expression changes.

Preparación de muestras y análisis de datos de expresión basada en RNASeq gen de pez cebra

The analysis of global gene expression changes is a valuable tool for identifying novel pathways underlying observed phenotypes. The zebrafish is an ...

Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances

Biomarker detection is one of the more important biomedical questions for high-throughput &#39;omics&#39; researchers, and almost all existing biomarker detection algorithms generate one biomarker subset with the optimized performance measurement for a given dataset. However, a recent study demonstrated the existence of multiple biomarker subsets with similarly effective or even identical classification performances. This protocol presents a simple and straightforward methodology for detecting biomarker subsets with binary classification performances, better than a user-defined cutoff. The protocol consists of data preparation and loading, baseline information summarization, parameter tuning, biomarker screening, result visualization and interpretation, biomarker gene annotations, and result and visualization exportation at publication quality. The proposed biomarker screening strategy is intuitive and demonstrates a general rule for developing biomarker detection algorithms. A user-friendly graphical user interface (GUI) was developed using the programming language Python, allowing biomedical researchers to have direct access to their results. The source code and manual of kSolutionVis can be downloaded from http://www.healthinformaticslab.org/supp/resources.php.

Existing algorithms generate one solution for a biomarker detection dataset. This protocol demonstrates the existence of multiple similarly effective solutions and presents a user-friendly software to help biomedical researchers investigate their datasets for the proposed challenge. Computer scientists may also provide this feature in their biomarker detection algorithms.

Selección de varios subconjuntos de biomarcadores con semejantemente eficaz clasificación binaria actuaciones

Biomarker detection is one of the more important biomedical questions for high-throughput &#39;omics&#39; researchers, and almost all existing biomarker ...

Investigación sobre el cáncer

Navigating MARRVEL, a Web-Based Tool that Integrates Human Genomics and Model Organism Genetics Information

Through whole-exome/genome sequencing, human geneticists identify rare variants that segregate with disease phenotypes. To assess if a specific variant is pathogenic, one must query many databases to determine whether the gene of interest is linked to a genetic disease, whether the specific variant has been reported before, and what functional data is available in model organism databases that may provide clues about the gene&#8217;s function in human. MARRVEL (Model organism Aggregated Resources for Rare Variant ExpLoration) is a one-stop data collection tool for human genes and variants and their orthologous genes in seven model organisms including in mouse, rat, zebrafish, fruit fly, nematode worm, fission yeast, and budding yeast. In this Protocol, we provide an overview of what MARRVEL can be used for and discuss how different datasets can be used to assess whether a variant of unknown significance (VUS) in a known disease-causing gene or a variant in a gene of uncertain significance (GUS) may be pathogenic. This protocol will guide a user through searching multiple human databases simultaneously starting with a human gene with or without a variant of interest. We also discuss how to utilize data from OMIM, ExAC/gnomAD, ClinVar, Geno2MP, DGV and DECHIPHER. Moreover, we illustrate how to interpret a list of ortholog candidate genes, expression patterns, and GO terms in model organisms associated with each human gene. Furthermore, we discuss the value protein structural domain annotations provided and explain how to use the multiple species protein alignment feature to assess whether a variant of interest affects an evolutionarily conserved domain or amino acid. Finally, we will discuss three different use-cases of this website. MARRVEL is an easily accessible open access website designed for both clinical and basic researchers and serves as a starting point to design experiments for functional studies.

Here, we present a protocol to access and analyze many human and model organism databases efficiently. This protocol demonstrates the use of MARRVEL to analyze candidate disease-causing variants identified from next-generation sequencing efforts.

Navegando por MARRVEL, una herramienta basada en la Web que integra la genómica humana y la información genética de organismos modelo

Through whole-exome/genome sequencing, human geneticists identify rare variants that segregate with disease phenotypes. To assess if a specific variant is ...

A Pathway Association Study Tool for GWAS Analyses of Metabolic Pathway Information

Recently, a new implementation of a previously described method for interpreting genome-wide association study (GWAS) data using metabolic pathway analysis has been developed and released. The Pathway Association Study Tool (PAST) was developed to address concerns with user-friendliness and slow-running analyses. This new user-friendly tool has been released on Bioconductor and Github. In testing, PAST ran analyses in less than one hour that previously required twenty-four or more hours. In this article, we present the protocol for using either the Shiny application or the R console to run PAST.

By running the Pathway Association Study Tool (PAST), either through the Shiny application or through the R console, researchers can gain a deeper understanding of the biological meaning of their genome-wide association study (GWAS) results by investigating the metabolic pathways involved.

Una herramienta de estudio de asociación de vías para los análisis GWAS de la información de las vías metabólicas

Recently, a new implementation of a previously described method for interpreting genome-wide association study (GWAS) data using metabolic pathway ...

<meta charset="utf8"></head><body>Canalización de un solo idioma fácil de usar para principiantes para el análisis de datos de CUT&RUN

Introductory Analysis and Validation of CUT&#38;RUN Sequencing Data

The CUT&amp;RUN technique facilitates detection of protein-DNA interactions across the genome. Typical applications of CUT&amp;RUN include profiling changes in histone tail modifications or mapping transcription factor chromatin occupancy. Widespread adoption of CUT&amp;RUN is driven, in part, by technical advantages over conventional ChIP-seq that include lower cell input requirements, lower sequencing depth requirements, and increased sensitivity with reduced background signal due to a lack of cross-linking agents that otherwise mask antibody epitopes. Widespread adoption of CUT&amp;RUN has also been achieved through the generous sharing of reagents by the Henikoff lab and the development of commercial kits to accelerate adoption for beginners. As technical adoption of CUT&amp;RUN increases, CUT&amp;RUN sequencing analysis and validation become critical bottlenecks that must be surmounted to enable complete adoption by predominantly wet lab teams. CUT&amp;RUN analysis typically begins with quality control checks on raw sequencing reads to assess sequencing depth, read quality, and potential biases. Reads are then aligned to a reference genome sequence assembly, and several bioinformatics tools are subsequently employed to annotate genomic regions of protein enrichment, confirm data interpretability, and draw biological conclusions. Although multiple in silico analysis pipelines have been developed to support CUT&amp;RUN data analysis, their complex multi-module structure and usage of multiple programming languages render the platforms difficult for bioinformatics beginners who may lack familiarity with multiple programming languages but wish to understand the CUT&amp;RUN analysis procedure and customize their analysis pipelines. Here, we provide a single-language step-by-step CUT&amp;RUN analysis pipeline protocol designed for users with any level of bioinformatics experience. This protocol includes completing critical quality checks to validate that the sequencing data is suitable for biological interpretation. We expect that following the introductory protocol provided in this article combined with downstream peak annotation will allow users to draw biological insights from their own CUT&amp;RUN datasets.

<meta charset="utf8"></head><body>Autor destacado: Investigación del papel de la desregulación repetitiva del ADN en el inicio del cáncer y la resistencia a la inmunoterapia

This protocol guides bioinformatics beginners through an introductory CUT&amp;RUN analysis pipeline that enables users to complete an initial analysis and validation of CUT&amp;RUN sequencing data. Completing the analysis steps described here, combined with downstream peak annotation, will allow users to draw mechanistic insights into chromatin regulation.

Análisis introductorio y validación de datos de secuenciación CUT&#38;RUN

The CUT&amp;RUN technique facilitates detection of protein-DNA interactions across the genome. Typical applications of CUT&amp;RUN include profiling ...

<meta charset="utf8"></head><body>Línea de análisis de datos de microarrays en la investigación del cáncer de esófago

Development of Compendium for Esophageal Squamous Cell Carcinoma

Esophageal cancer (EC) ranks as the 8th most aggressive malignancy, and its treatment remains challenging due to the lack of biomarkers facilitating early detection. EC manifests in two major histological forms - adenocarcinoma (EAD) and squamous cell carcinoma (ESCC) - both exhibiting variations in incidence across geographically distinct populations. High-throughput technologies are transforming the understanding of diseases, including cancer. A significant challenge for the scientific community is dealing with scattered data in the literature. To address this, a simple pipeline is proposed for the analysis of publicly available microarray datasets and the collection of differentially regulated molecules between cancer and normal conditions. The pipeline can serve as a standard approach for differential gene expression analysis, identifying genes differentially expressed between cancer and normal tissues or among different cancer subtypes. The pipeline involves several steps, including Data preprocessing (involving quality control and normalization of raw gene expression data to remove technical variations between samples), Differential expression analysis (identifying genes differentially expressed between two or more groups of samples using statistical tests such as t-tests, ANOVA, or linear models), Functional analysis (using bioinformatics tools to identify enriched biological pathways and functions in differentially expressed genes), and Validation (involving validation using independent datasets or experimental methods such as qPCR or immunohistochemistry). Using this pipeline, a collection of differentially expressed molecules (DEMs) can be generated for any type of cancer, including esophageal cancer. This compendium can be utilized to identify potential biomarkers and drug targets for cancer and enhance understanding of the molecular mechanisms underlying the disease. Additionally, population-specific screening of esophageal cancer using this pipeline will help identify specific drug targets for distinct populations, leading to personalized treatments for the disease.

<meta charset="utf8"></head><body>Desarrollo de un compendio para el carcinoma de células escamosas de esófago

This protocol describes a useful tool for identifying significant molecular changes in cancer and leads to the development of new diagnostic and therapeutic approaches for esophageal squamous cell carcinoma.

Desarrollo de un compendio para el carcinoma de células escamosas de esófago

Esophageal cancer (EC) ranks as the 8th most aggressive malignancy, and its treatment remains challenging due to the lack of biomarkers facilitating early ...

Una herramienta web para los procesos biológicos Generación de alta calidad legibles por máquina

Resumen

Explorar más videos

Capítulos en este video

Aprovechando los recursos de CyVerse para

Preparación de muestras y análisis de datos de expresión basada en RNASeq gen de pez cebra

Selección de varios subconjuntos de biomarcadores con semejantemente eficaz clasificación binaria actuaciones

Navegando por MARRVEL, una herramienta basada en la Web que integra la genómica humana y la información genética de organismos modelo

Una herramienta de estudio de asociación de vías para los análisis GWAS de la información de las vías metabólicas

Análisis introductorio y validación de datos de secuenciación CUT&RUN

Análisis introductorio y validación de datos de secuenciación CUT&RUN

Análisis introductorio y validación de datos de secuenciación CUT&RUN

Desarrollo de un compendio para el carcinoma de células escamosas de esófago

Desarrollo de un compendio para el carcinoma de células escamosas de esófago